Maskinlæring er et fagfelt som utvikler seg svært raskt, og som har endret mange bransjer.
Finans er sannsynligvis et av de der utviklingen har vært størst. Innenfor visse segmenter utgjør i dag automatisert handel mer enn 90 prosent av handelsvolumet. Og selv i de resterende segmentene der menneskelige tradere fremdeles dominerer, har maskinlæringen vist seg å være en uvurderlig ressurs.
Mye erfaring med maskinlæring innen finans
Finans er et felt med høy andel støy kontra signal, og det finnes mye empiri på at maskinlæring kan være et svært verdifullt hjelpemiddel for å skape konkurransefortrinn.
Vi er sannsynligvis det miljøet i Norge med mest erfaring innenfor bruk av maskinlæring for finansielle tidsserier, ofte i kombinasjon med tekstanalyse (Natural Language Processing).
Data science er ikke en beskyttet tittel
Nobelprisvinner Ronald Coase er kreditert med et sitat som passer veldig godt til bruken av maskinlæring innenfor finans: “Torture the data, and it will confess to anything”.
Nettopp dette gjør at et kjapt søk på nettet etter bruken av maskinlæring innenfor finansiell handel gir rundt 3.6 milliarder treff. Enhver data science-student har nok lekt med nevrale nett for å predikere aksje- eller nå de siste årene kryptomarkedene. De aller fleste har også klart å lage modeller som gir positive (teoretiske) resultater.
De aller fleste vil derimot sannsynligvis tape alle pengene sine om de faktisk prøver algoritmene i virkeligheten.
Viktig med praktisk forståelse
Om man skal lykkes, hjelper det ikke å kunne bruke de mest avanserte algoritmene. Det kan de fleste. De kan bare lastes ned som open source programvare. Man må også forstå hvordan algoritmene fungerer, hvordan man forsvarlig kan bruke dem, man må kunne programmere og forstå finans og markeder. Denne kombinasjonen av fagkunnskap er det ikke så mange som har.
Dette er Sannsyns store styrke. Vi har noen av de aller beste faglige ressursene fra de beste universitetene – som i tillegg har lang arbeidserfaring innen Data Science og avansert maskinlæring.